本發(fā)明涉及碳匯趨勢提取，具體涉及基于集合經(jīng)驗?zāi)B(tài)分解的碳匯非線性趨勢提取系統(tǒng)及方法。

背景技術(shù)：

1、碳匯指的是森林、海洋、土壤等自然生態(tài)系統(tǒng)通過光合作用等生物化學(xué)過程，吸收并儲存大氣中的二氧化碳。它在全球碳循環(huán)中扮演著關(guān)鍵角色，并對抑制氣候變暖具有積極作用。然而，碳匯的效率受到氣候變化、土地利用和人類活動等多方面因素的影響，因此，對其動態(tài)變化的監(jiān)測與分析顯得至關(guān)重要。

2、經(jīng)檢索，專利號為cn202311214927.0的中國專利文獻(xiàn)中公開了一種森林碳儲量與碳匯價值監(jiān)測系統(tǒng)及動態(tài)評估方法，上述方案通過根據(jù)植被類型、土壤類型和氣候條件對擬監(jiān)測森林區(qū)域進(jìn)行了劃分，降低了不同類型森林群落之間進(jìn)行碳儲量評估時的誤差；并在遙感影像數(shù)據(jù)反演的基礎(chǔ)上引入了樣地調(diào)查和信息采集，對樣地中不同層次的植被情況以及樣地的環(huán)境數(shù)據(jù)進(jìn)行采集，彌補(bǔ)了遙感影像數(shù)據(jù)反演時難以完整反映森林結(jié)構(gòu)的缺陷，并考慮環(huán)境因素，對可能產(chǎn)生誤差和波動的評估模型輸出結(jié)果進(jìn)行修正，提升了碳儲量與碳匯價值評估精度。

3、但是在森林碳匯監(jiān)測過程中，森林的碳儲存量是一個靜態(tài)的狀態(tài)，描述的是在某一時刻森林碳匯系統(tǒng)中已經(jīng)積累的碳的量，其中植物固定的碳不僅僅保留在植物體內(nèi)，還可能轉(zhuǎn)移到土壤中，成為土壤有機(jī)碳的一部分。而隨著季節(jié)變化，會對植物的生長及周邊土壤狀態(tài)產(chǎn)生影響，導(dǎo)致在不同的時間尺度上，植被碳儲存量和土壤碳儲存量是呈非線性變化的，且相互關(guān)聯(lián)的。而現(xiàn)有的評估系統(tǒng)無法根據(jù)植被碳儲存量和土壤碳儲存量之間的非線性變化的情況，對森林的碳匯季節(jié)性變化趨勢進(jìn)行提取。

技術(shù)實現(xiàn)思路

1、解決的技術(shù)問題

2、針對現(xiàn)有技術(shù)所存在的上述缺點，本發(fā)明提供了基于集合經(jīng)驗?zāi)B(tài)分解的碳匯非線性趨勢提取系統(tǒng)及方法，能夠解決現(xiàn)有技術(shù)中的而現(xiàn)有的森林碳匯監(jiān)測系統(tǒng)在監(jiān)測過程中，無法通過植被碳儲存量和土壤碳儲存量在季節(jié)變化中對森林的碳匯變化趨勢線圖進(jìn)行提取的問題。

3、技術(shù)方案

4、為實現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實現(xiàn)：

5、本發(fā)明提供一種基于集合經(jīng)驗?zāi)B(tài)分解的碳匯非線性趨勢提取系統(tǒng)進(jìn)行的提取方法，包括以下步驟：

6、s1：采集森林碳匯時間序列數(shù)據(jù)，形成森林碳匯時間序列數(shù)據(jù)集，森林碳匯時間序列數(shù)據(jù)為不同季節(jié)時間的植被覆蓋率vcr、土壤覆蓋率scr、植被碳含量cveg、土壤碳含量csoil、總碳儲存量ctotal；

7、s2：基于森林碳儲量理論對森林碳匯時間序列數(shù)據(jù)集進(jìn)行預(yù)處理，獲得不同季節(jié)時間的森林碳匯ccarbon?sinkl(t)；

8、s3：利用集合經(jīng)驗?zāi)B(tài)分解模型對所述ccarbon?sinkl(t)進(jìn)行提取獲得數(shù)據(jù)集xfeatures(t)以及利用ann模型對所述xfeatures(t)處理以提取森林碳匯的非線性趨勢，其中，所述集合經(jīng)驗?zāi)B(tài)分解模型利用集合經(jīng)驗?zāi)B(tài)分解eemd對ccarbon?sinkl(t)進(jìn)行處理，提取ccarbon?sinkl(t)中的固有模態(tài)函數(shù)imfs，并通過imfs提取特征xfeatures(t)。

9、進(jìn)一步地，所述s1中，數(shù)據(jù)采集模塊通過遙感監(jiān)測技術(shù)和地面測量技術(shù)采集森林碳匯時間序列數(shù)據(jù)。

10、進(jìn)一步地，所述s2中，ccarbon?sinkl(t)的計算過程為：

11、s201：基于森林碳儲量理論，獲得靜態(tài)時間內(nèi)的總碳儲存量ctotal，具體為：

12、ctotal＝(α*vcr*cveg)+(β*scr*csoil)+[λ*vcr*scr*(cveg+csoil)]

13、其中：

14、α*vcr*cveg表示植被覆蓋率對植被碳儲存量的貢獻(xiàn)；β*scr*csoil表示土壤覆蓋率對土壤碳儲存量的貢獻(xiàn)；λ*vcr*scr*(cveg+csoil)表示植被和土壤覆蓋率的交互作用對總碳儲存量的額外影響；α為植被覆蓋率對植被碳儲存量的影響系數(shù)；β為土壤覆蓋率對土壤碳儲存量的影響系數(shù)；γ為植被和土壤交互作用對總碳儲存量的影響系數(shù)；α、β、γ通過非線性回歸分析確定；

15、s202：根據(jù)總碳儲存量ctotal，計算出季節(jié)變化過程中不同時間中的森林碳匯ccarbon?sinkl(t)，具體為：

16、ccarbon?sink(t)＝ctotal(t)+∫[i(t)-o(t)]dt

17、其中，i(t)是隨時間變化的碳輸入速率，o(t)是隨時間變化的碳輸出速率，∫[i(t)-o(t)]dt表示從初始時間到t時刻，碳輸入減去碳輸出的累積積分，即總的碳增減量。

18、進(jìn)一步地，所述s3中，利用集合經(jīng)驗?zāi)B(tài)分解模型對所述ccarbon?sinkl(t)

19、進(jìn)行提取，包括以下步驟：

20、s301：向ccarbon?sinkl(t)中添加白噪聲：

21、ccarbon?sinkl(i)(t)＝ccarbon?sinkl(t)+αni(t)

22、s302：對每個引入白噪聲的信號ccarbon?sinkl(i)(t)進(jìn)行經(jīng)驗?zāi)B(tài)分解emd；

23、s303：固有模態(tài)函數(shù)的提?。?/p>

24、

25、其中，imfij(t)表示這是第i次添加白噪聲后分解得到的第j個模態(tài)函數(shù)；

26、s304：xfeatures(t)提取：

27、xfeatures(t)＝[mean(imfij(t))，std(imfij(t))，skewness(imfij(t))，kurtosis(imfij(t))，frequency(imfij(t))]

28、其中，

29、

30、n是數(shù)據(jù)點的數(shù)量，是第i個數(shù)據(jù)點的值。

31、進(jìn)一步地，所述s3中，利用ann模型對所述xfeatures(t)處理以提取森林

32、碳匯的非線性趨勢，具體為：

33、根據(jù)xfeatures(t)構(gòu)建ann模型：

34、ht＝σ(w*xfeatures(t)+b)

35、ht是隱藏層的輸出，w是權(quán)重矩陣，b是偏置，σ是激活函數(shù)；

36、ann模型的訓(xùn)練公式為：

37、

38、δw是權(quán)重更新，η是學(xué)習(xí)率,l是損失函數(shù)，是權(quán)重對損失函數(shù)的偏導(dǎo)數(shù)；

39、ann模型的評估公式為：

40、

41、mse是均方誤差是實際值，yi是實際值，是預(yù)測值；

42、參數(shù)調(diào)優(yōu)公式為：

43、

44、δη是學(xué)習(xí)率更新，α是學(xué)習(xí)率調(diào)整系數(shù)，是損失函數(shù)對學(xué)習(xí)率的偏導(dǎo)數(shù)；

45、ypredicted＝ht·softmax(wo·ht+bo)

46、ht是向量，表示神經(jīng)網(wǎng)絡(luò)的最后一層(隱藏層)的輸出；

47、wo是輸出層權(quán)重矩陣，連接了隱藏層和輸出層；

48、bo是輸出層的偏置向量；

49、softmax是一個激活函數(shù)，將網(wǎng)絡(luò)的輸出轉(zhuǎn)換為一個概率分布，其中每個元素的值表示對應(yīng)類別的概率；

50、ypredicted為最終的非線性趨勢提取結(jié)果。

51、一種基于集合經(jīng)驗?zāi)B(tài)分解的碳匯非線性趨勢提取系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊；

52、所述數(shù)據(jù)采集模塊用于采集森林碳匯時間序列數(shù)據(jù)，形成森林碳匯時間序列數(shù)據(jù)集，森林碳匯時間序列數(shù)據(jù)集包括不同季節(jié)時間的植被覆蓋率vcr、土壤覆蓋率scr、植被碳含量cveg、土壤碳含量csoil、總碳儲存量ctotal；

53、所述數(shù)據(jù)處理模塊用于對森林碳匯時間序列數(shù)據(jù)集進(jìn)行預(yù)處理獲得不同季節(jié)時間的森林碳匯ccarbon?sinkl(t)以及根據(jù)預(yù)先構(gòu)建的集合經(jīng)驗?zāi)B(tài)分解模型對所述森林碳匯時間序列數(shù)據(jù)集進(jìn)行提取獲得數(shù)據(jù)集xfeatures(t)、根據(jù)預(yù)先構(gòu)建的ann模型對所述xfeatures(t)處理以提取森林碳匯的非線性趨勢。

54、有益效果

55、本發(fā)明提供的技術(shù)方案，與已知的現(xiàn)有技術(shù)相比，具有如下有益效果：

56、1、通過監(jiān)測植被和土壤中的碳儲存量，可以更準(zhǔn)確地評估森林的總體碳匯能力，并根據(jù)植被與土壤的碳儲存量可能隨季節(jié)變化而產(chǎn)生波動，通過監(jiān)測這些變化，可以更好地理解碳匯如何受到氣候因素(如溫度、降水量和光照)的影響，同時在監(jiān)測不同季節(jié)的碳儲存量變化過程中，并根據(jù)植被與土壤的碳儲存量的非線性變化對森林碳匯能力影響的規(guī)律，提取出森林碳匯的長期變化趨勢圖。

57、2、本方案通過eemd對森林碳匯趨勢進(jìn)行提取，能夠處理森林碳匯的非線性非平穩(wěn)數(shù)據(jù)，這是傳統(tǒng)的提取方法難以實現(xiàn)的，這使得eemd在處理碳匯這類具有復(fù)雜波動模式的數(shù)據(jù)時更為有效，并且eemd能夠自適應(yīng)地分解數(shù)據(jù)為多個imfs，每個imf代表不同的波動尺度，這有助于提取碳匯數(shù)據(jù)的多尺度特征，為深入分析提供更多細(xì)節(jié)。

58、3、本方案在eemd對森林碳匯趨勢進(jìn)行提取的過程中，加入ann模型進(jìn)行優(yōu)化，ann可以利用eemd分解得到的多尺度特征，綜合考慮不同時間尺度的碳匯變化，提高預(yù)測的全面性，并減少eemd過擬合的風(fēng)險，提高模型的泛化能力。